ICLR

Markovian Transformers for Informative Language Modeling

马尔可夫变换器用于信息语言建模

Scott Viteri, Max Lamparth, Peter Chatain, Clark Barrett

机构 * Department of Computer Science Stanford University（计算机科学系 斯坦福大学） 纠错

AI总结 马尔可夫变换器通过引入CoT瓶颈提升语言模型的推理能力，实验显示其在问答任务中表现优异，且对CoT依赖性强。

Comments 21 pages, 6 figures, Accepted at ICLR 2026

One Language, Two Scripts: Probing Script-Invariance in LLM Concept Representations

一种语言，两种文字：探究LLM概念表示中的文字不变性

Sripad Karne

AI总结 本研究通过塞尔维亚双文测试，发现SAE特征在不同书写系统下仍保持语义一致性，表明模型能捕捉超越表面分词的抽象语义。

Comments Accepted at the UCRL Workshop at ICLR 2026

RegionReasoner: Region-Grounded Multi-Round Visual Reasoning

RegionReasoner: 基于区域的多轮视觉推理

Wenfang Sun, Hao Chen, Yingjun Du, Yefeng Zheng, Cees G. M. Snoek

机构 * University of Amsterdam（阿姆斯特丹大学） ； Anhui University（安徽大学） ； Westlake University（西湖大学） 纠错

AI总结 RegionReasoner通过强化学习框架，结合接地保真度和全局-局部语义对齐，提升多轮视觉推理的准确性和一致性。

Comments Accepted by ICLR 2026

SynthWorlds: Controlled Parallel Worlds for Disentangling Reasoning and Knowledge in Language Models

SynthWorlds: 用于语言模型中推理与知识分离的受控并行世界

Ken Gu, Advait Bhat, Mike A Merrill, Robert West, Xin Liu, Daniel McDuff, Tim Althoff

机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； EPFL（苏黎世联邦理工学院） ； Google Research（谷歌研究） 纠错

AI总结 SynthWorlds通过构建两个结构相同的并行世界，分离语言模型的推理与知识能力，揭示了模型在仅依赖参数化知识和知识增强设置下的性能差异。

Comments ICLR 2026

Personalized Collaborative Learning with Affinity-Based Variance Reduction

基于亲和力的方差缩减个性化协同学习

Chenyu Zhang, Navid Azizan

AI总结 本文提出基于亲和力的个性化协同学习方法，通过偏差和重要性校正机制，实现异质智能体在不同异质性水平下的高效协同学习，减少样本复杂性并提升加速效果。

Comments Published as a conference paper at ICLR 2026

Latent Speech-Text Transformer

潜在语音-文本变换器

Yen-Ju Lu, Yashesh Gaur, Wei Zhou, Benjamin Muller, Jesus Villalba, Najim Dehak, Luke Zettlemoyer, Gargi Ghosh, Mike Lewis, Srinivasan Iyer, Duc Le

AI总结 潜在语音-文本变换器通过聚合语音标记为潜在块，提升计算效率并改善跨模态对齐，实现语音和文本性能的双重提升。

Comments Accepted to ICLR 2026 (Oral)

When Thinking Backfires: Mechanistic Insights Into Reasoning-Induced Misalignment

当思考反噬：对推理引发的不一致的机理洞察

Hanqi Yan, Hainiu Xu, Siya Qi, Shu Yang, Yulan He

AI总结 本文揭示了推理能力增强导致的不一致现象，通过神经元层面的分析，解释了推理与安全之间的纠缠如何引发灾难性遗忘。

Comments ICLR 2026

Towards Robust Real-World Multivariate Time Series Forecasting: A Unified Framework for Dependency, Asynchrony, and Missingness

迈向稳健的现实多变量时间序列预测：一种统一的框架用于依赖性、异步性和缺失性

Jinkwan Jang, Hyungjin Park, Jinmyeong Choi, Taesup Kim

AI总结 本文提出ChannelTokenFormer框架，通过统一处理多变量时间序列中的通道依赖、异步采样和缺失问题，提升预测的稳健性和准确性。

Comments Accepted at the 14th International Conference on Learning Representations (ICLR 2026)

FrontierCO: Real-World and Large-Scale Evaluation of Machine Learning Solvers for Combinatorial Optimization

FrontierCO: 机器学习求解组合优化问题的现实世界和大规模评估

Shengyu Feng, Weiwei Sun, Shanda Li, Ameet Talwalkar, Yiming Yang

机构 * School of Computer Science, Carnegie Mellon University（计算机科学系，卡内基梅隆大学） 纠错

AI总结 FrontierCO通过现实世界结构和大规模实例评估，揭示了机器学习求解器在组合优化中的性能差距及优势。

Comments ICLR 2026

SPDIM: Source-Free Unsupervised Conditional and Label Shift Adaptation in EEG

SPDIM：无源无监督条件和标签偏移适应在EEG中

Shanglin Li, Motoaki Kawanabe, Reinmar J. Kobler

机构 * Nara Institute of Science and Technology (NAIST)（奈良科学技术大学） ； Department of Dynamic Brain Imaging, ATR（动态脑成像部门，ATR） ； Center for Advanced Intelligence Project, RIKEN（先进智能项目中心，RIKEN） 纠错

AI总结 SPDIM通过信息最大化原理，针对EEG中的标签偏移问题，提出了一种参数高效的流形优化方法，提升了无监督域适应的性能。

Comments Published at ICLR 2025

Robust Training of Neural Networks at Arbitrary Precision and Sparsity

在任意精度和稀疏性下神经网络的鲁棒训练

Chengxi Ye, Grace Chu, Yanfeng Liu, Yichi Zhang, Lukasz Lew, Li Zhang, Mark Sandler, Andrew Howard

机构 * Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出了一种统一框架，通过显式建模量化为加性噪声，解决在任意精度和稀疏性下神经网络的鲁棒训练问题，实现稳定训练和超高效网络。

Journal ref ICLR 2026

How Far Can Unsupervised RLVR Scale LLM Training?

无监督强化学习如何扩展大语言模型训练？

Bingxiang He, Yuxin Zuo, Zeyuan Liu, Shangziqi Zhao, Zixuan Fu, Junlin Yang, Cheng Qian, Kaiyan Zhang, Yuchen Fan, Ganqu Cui, Xiusi Chen, Youbang Sun, Xingtai Lv, Xuekai Zhu, Li Sheng, Ran Li, Huan-ang Gao, Yuchen Zhang, Bowen Zhou, Zhiyuan Liu, Ning Ding

AI总结 本文研究了无监督强化学习如何扩展大语言模型训练，分析了内在和外部奖励方法的理论和实验结果，揭示了模型先验对训练效果的影响，并提出了模型崩溃步骤作为评估指标。

Comments Accepted to the ICLR 2026

Distributed Algorithms for Euclidean Clustering

欧几里得聚类的分布式算法

Vincent Cohen-Addad, Liudeng Wang, David P. Woodruff, Samson Zhou

AI总结 本文提出分布式环境下欧几里得聚类的高效算法，通过改进通信复杂度实现(1+ε)-近似保证。

Comments ICLR 2026

Drift-to-Action Controllers: Budgeted Interventions with Online Risk Certificates

漂移到行动控制器：具有在线风险证书的预算干预

Ismail Lamaakal, Chaymae Yahyati, Khalid El Makkaoui, Ibrahim Ouahbi, Yassine Maleh

机构 * Multidisciplinary Faculty of Nador（多学科纳多 faculty） ； Mohammed First University（穆罕默德第一大学） ； Laboratory LaSTI（LaSTI 实验室） ； Sultan Moulay Slimane University（苏丹·穆莱·斯利曼大学） 纠错

AI总结 Drift2Act通过在线风险证书实现预算干预，有效应对分布漂移，减少安全违规并提高恢复速度。

Comments Published as a conference paper at CAO Workshop at ICLR 2026

HDR-NSFF: High Dynamic Range Neural Scene Flow Fields

HDR-NSFF：高动态范围神经场景流场

Shin Dong-Yeon, Kim Jun-Seong, Kwon Byung-Ki, Tae-Hyun Oh

机构 * School of Electrical Engineering, KAIST（韩国科学技术院电子工程学院） ； Dept. of Electrical Engineering, POSTECH（POSTECH电子工程系） ； Grad. School of Artificial Intelligence, POSTECH（POSTECH人工智能研究生院） ； School of Computing, KAIST（韩国科学技术院计算机科学学院） 纠错

AI总结 HDR-NSFF通过4D时空建模实现动态HDR场景的高精度辐射场重建与时空视图合成。

Comments ICLR 2026. Project page: https://shin-dong-yeon.github.io/HDR-NSFF/

Towards a more efficient bias detection in financial language models

迈向更高效的金融语言模型偏见检测

Firas Hadj Kacem, Ahmed Khanfir, Mike Papadakis

机构 * SnT, University of Luxembourg（卢森堡大学SnT学院） ； RIADI, ENSI, University of Manouba（突尼斯曼努巴大学RIADI学院） 纠错

AI总结 本研究通过大规模分析五个金融语言模型的偏见，提出跨模型引导的偏见检测方法，显著降低偏见检测成本。

Journal ref ICLR 2026 Workshop on Advances in Financial AI (AFA)

SiMO: Single-Modality-Operable Multimodal Collaborative Perception

SiMO: 单模态可操作的多模态协作感知

Jiageng Wen, Shengjie Zhao, Bing Li, Jiafeng Huang, Kenan Ye, Hao Deng

机构 * Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学智能自主系统上海研究院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； School of Mechatronic Engineering and Automation, Shanghai University（上海大学机械电子工程与自动化学院） 纠错

AI总结 SiMO通过单模态可操作的多模态协作感知方法，解决多模态特征融合中的语义不匹配问题，提升协作感知性能。

Comments Accepted to ICLR 2026. This arXiv version includes an additional appendix (Appendix 15) containing further philosophical discussion not included in the official ICLR peer-reviewed version

TumorChain: Interleaved Multimodal Chain-of-Thought Reasoning for Traceable Clinical Tumor Analysis

TumorChain: 交错多模态链式推理用于可追溯的临床肿瘤分析

Sijing Li, Zhongwei Qiu, Jiang Liu, Wenqiao Zhang, Tianwei Lin, Yihan Xie, Jianxiang An, Boxiang Yun, Chenglin Yang, Jun Xiao, Guangyu Guo, Jiawen Yao, Wei Liu, Yuan Gao, Ke Yan, Weiwei Cao, Zhilin Zheng, Tony C. W. Mok, Kai Cao, Yu Shi, Jiuyu Zhang, Jian Zhou, Beng Chin Ooi, Yingda Xia, Ling Zhang

机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里集团达摩院） ； Hupan Lab（虎扑实验室） ； Shanghai Institution of Pancreatic Disease（上海胰腺疾病研究所） ； Shengjing Hospital of China Medical University（中国医科大学盛京医院） ； Sun Yat-sen University Cancer Center（中山大学肿瘤中心） 纠错

AI总结 TumorChain通过多模态交错推理框架提升临床肿瘤分析的可追溯性和准确性。

Comments Accepted at ICLR 2026. 10 pages + appendix

Autoregressive Visual Decoding from EEG Signals

从EEG信号进行自回归视觉解码

Sicheng Dai, Hongwang Xiao, Shan Yu, Qiwei Ye

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artifcial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology（脑认知与脑启智技术国家重点实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） 纠错

AI总结 AVDE通过自回归生成框架和对比学习提升EEG信号的视觉解码效率，实现高效且可解释的脑机接口应用。

Journal ref ICLR 2026

Impact of LLMs news Sentiment Analysis on Stock Price Movement Prediction

大型语言模型新闻情感分析对股价变动预测的影响

Walid Siala, Ahmed Khanfir, Mike Papadakis

机构 * SnT, University of Luxembourg（卢森堡大学SnT学院） ； RIADI, ENSI, University of Manouba（突尼斯曼努巴大学RIADI学院） 纠错

AI总结 本文研究了基于大型语言模型的新闻情感分析对股价预测的影响，发现DeBERTa模型在预测准确度上表现最佳，集成模型进一步提升了预测性能。

Journal ref ICLR 2026 Workshop on Advances in Financial AI (AFA)

RedSage: A Cybersecurity Generalist LLM

RedSage：一种网络安全通用型大语言模型

Naufal Suryanto, Muzammal Naseer, Pengfei Li, Syed Talal Wasim, Jinhui Yi, Juergen Gall, Paolo Ceravolo, Ernesto Damiani

AI总结 RedSage通过领域感知的代理增强和预训练，提升网络安全专长和通用推理能力，实现开源本地部署。

Comments Published at ICLR 2026; Project page: https://risys-lab.github.io/RedSage/

Tree-based Dialogue Reinforced Policy Optimization for Red-Teaming Attacks

基于树结构的对话强化策略优化用于红队攻击

Ruohao Guo, Afshin Oroojlooy, Roshan Sridhar, Miguel Ballesteros, Alan Ritter, Dan Roth

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Oracle AI ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出DialTree框架，通过树搜索和强化学习发现多轮攻击策略，提升对抗攻击的成功率

Comments Accepted at ICLR 2026

An Orthogonal Learner for Individualized Outcomes in Markov Decision Processes

在马尔可夫决策过程中的个性化结果的正交学习者

Emil Javurek, Valentyn Melnychuk, Jonas Schweisthal, Konstantin Hess, Dennis Frauen, Stefan Feuerriegel

机构 * LMU Munich（慕尼黑莱茵豪森大学） 纠错

AI总结 本文提出DRQ-学习器，通过因果推理方法在马尔可夫决策过程中实现个性化结果预测，具备双重稳健、奈曼正交和近似Oracle效率等理论优势。

Comments Published as a conference paper at ICLR 2026

Co-LoRA: Collaborative Model Personalization on Heterogeneous Multi-Modal Clients

Co-LoRA：在异构多模态客户端上的协同模型个性化

Minhyuk Seo, Taeheon Kim, Hankook Lee, Jonghyun Choi, Tinne Tuytelaars

机构 * KU Leuven（库勒芬大学） ； Seoul National University（首尔国立大学） ； Sungkyunkwan University（成均馆大学） 纠错

AI总结 Co-LoRA通过任务相关性感知的模型聚合和维度不变模块，实现了在异构多模态客户端上的协同模型个性化，提升了在异构场景下的性能。

Comments ICLR 2026

Climplicit: Climatic Implicit Embeddings for Global Ecological Tasks

Climplicit：用于全球生态任务的气候隐式嵌入

Johannes Dollinger, Damien Robert, Elena Plekhanova, Lukas Drees, Jan Dirk Wegner

机构 * EcoVision Lab, DM3L, University of Zurich（生态视觉实验室、DM3L、苏黎世大学） ； Swiss Federal Research Institute WSL（瑞士联邦研究 institute WSL） 纠错

AI总结 Climplicit通过预训练生成隐式气候表示，减少存储和计算需求，提升全球生态任务的效率和效果。

Comments Published as a workshop paper at "Tackling Climate Change with Machine Learning", ICLR 2025

Unveiling Downstream Performance Scaling of LLMs: A Clustering-Based Perspective

揭示大语言模型下游性能扩展：基于聚类的视角

Chengyin Xu, Kaiyuan Chen, Xiao Li, Ke Shen, Chenggang Li

机构 * Bytedance Seed（字节跳动种子） 纠错

AI总结 本文提出基于难度聚类的框架，用于预测大语言模型下游任务性能，通过构建稳定子集和理论支持的扩展定律，实现更准确的性能预测。

Comments Accepted by The Fourteenth International Conference on Learning Representations (ICLR2026)

LaVCa: LLM-assisted Visual Cortex Captioning

LaVCa: 基于大语言模型的视觉皮层描述生成

Takuya Matsuyama, Shinji Nishimoto, Yu Takagi

机构 * University of Osaka（大阪大学） ； National Institute of Information and Communications Technology（信息与通信技术国家研究所） ； Nagoya Institute of Technology（名古屋技术大学） 纠错

AI总结 LaVCa利用大语言模型生成视觉皮层体素选择性的详细描述，提升对大脑表示的理解。

Comments Accepted to ICLR 2026. Website: https://sites.google.com/view/lavca-llm/

Controllable Sequence Editing for Biological and Clinical Trajectories

可控制的序列编辑用于生物和临床轨迹

Michelle M. Li, Kevin Li, Yasha Ektefaie, Ying Jin, Yepeng Huang, Shvat Messica, Tianxi Cai, Marinka Zitnik

AI总结 CLEF通过学习时间概念实现对生物和临床轨迹的可控编辑，提升序列生成精度和反事实推理能力。

Comments ICLR 2026

GRADIEND: Feature Learning within Neural Networks Exemplified through Biases

GRADIEND: 通过偏见在神经网络中学习特征

Jonathan Drechsel, Steffen Herbold

AI总结 GRADIEND通过利用模型梯度学习特征神经元，旨在消除模型中的社会偏见并保持其他能力。

Comments Accepted at ICLR 2026

Is continuous CoT better suited for multi-lingual reasoning?

连续的推理是否更适合多语言推理？

Ali Hamza Bashir, Behzad Shomali, Markus Frey, Mehdi Ali, Rafet Sifa, David Berghaus

机构 * Lamarr Institute（拉马尔研究所） ； Fraunhofer IAIS（弗劳恩霍夫人工智能研究所） ； University of Bonn（波恩大学） 纠错

AI总结 本文提出连续链式推理方法，证明其在多语言推理任务中优于传统方法，尤其在低资源语言和零样本设置中表现更优，同时显著提升推理效率。

Comments Accepted at the ICLR latent reasoning workshop